人工智能支持的基于案例的学习在医学教育中的作用:一个范围审查协议
Syed Hani Abidi1, Joseph Almazan2, Fatin Zehra3
1Department of Biomedical Sciences, Nazarbayev University School of Medicine, Astana, Kazakhstan m.haniabidi@gmail.com.
BMJ open
|December 30, 2025
概括
生成型人工智能 (AI) 正在改变基于医疗案例的学习 (CBL). 本综述绘制了人工智能在CBL中的整合,确定了结果,挑战和研究缺口,以指导未来的医学教育.
科学领域:
- 医疗教育 技术 技术 医学教育
- 医疗保健中的人工智能
- 基于案例的学习.
背景情况:
- 生成型人工智能 (AI) 工具越来越多地融入医疗教育中.
- 现有关于基于案例的学习 (CBL) 中人工智能的文献是分散的和不一致的.
- 需要一个系统的方法来理解AI在CBL中的作用.
研究的目的:
- 系统地绘制和综合有关医疗CBL中生成AI整合的证据.
- 确定关键主题,教育成果,挑战和研究差距.
- 为未来的医学教育研究,课程开发和政策提供信息.
主要方法:
- 在多个数据库中进行全面的文献搜索 (2019-2025).
- 由两个独立审查员进行系统选和数据提取.
- 描述性统计和主题分析,以创建一个证据地图.
主要成果:
- 该审查将提供一个综合的概述目前研究的生成AI在CBL.
- 将确定与人工智能集成相关的关键主题,教育成果和挑战.
- 将突出现有文献中的差距,以指导未来的研究.
结论:
- 生成型人工智能具有改变医疗CBL的巨大潜力.
- 清楚地了解人工智能的影响和挑战对于有效实施至关重要.
- 这次审查将为推进医疗教育中的AI提供一个基础证据地图.
